علاوه بر بهروزرسانی AutoML و Autopilot MySQL HeatWave، اوراکل اکنون شکل کوچکی را برای این سرویس ارائه میکند که مشتریان با حجم کمتری از داده را هدف قرار میدهد.
Oracle در حال افزودن ویژگیهای یادگیری ماشینی جدید به سرویس ابری تجزیه و تحلیل داده MySQL HeatWave است.
MySQL HeatWave ترکیبی از OLAP (پردازش تحلیلی آنلاین)، OLTP (پردازش تراکنش آنلاین)، آموزش ماشین و اتوماسیون مبتنی بر هوش مصنوعی در یک پایگاه داده MySQL.
این شرکت هنگام اعلام بهروزرسانی در روز پنجشنبه گفت، قابلیتهای جدید یادگیری ماشین به مؤلفههای AutoML و MySQL Autopilot سرویس اضافه میشوند.
در حالی که AutoML به توسعه دهندگان و تحلیلگران داده اجازه می دهد تا مدل های یادگیری ماشینی را در MySQL HeatWave بدون انتقال به سرویس جداگانه ای برای یادگیری ماشین بسازند، آموزش دهند و مستقر کنند، MySQL Autopilot اتوماسیون مبتنی بر یادگیری ماشین را برای HeatWave و OLTP مانند تامین خودکار، خودکار فراهم می کند. رمزگذاری، طرح پرس و جو خودکار، پیش بینی خودکار شکل و قرار دادن خودکار داده ها، از جمله ویژگی های دیگر.
AutoML پیشبینی سریهای زمانی را از طریق یادگیری ماشین افزایش میدهد
اوراکل گفت، قابلیتهای جدید مبتنی بر یادگیری ماشین اضافه شده به AutoML شامل پیشبینی سریهای زمانی چند متغیره، تشخیص ناهنجاری بدون نظارت و سیستمهای توصیهکننده است و افزود که همه ویژگیهای جدید عموماً در دسترس هستند.
«پیشبینی چند متغیره سریهای زمانی میتواند چندین متغیر مرتبشده زمانی را پیشبینی کند، که در آن هر متغیر هم به مقدار گذشته خود و هم به مقادیر گذشته متغیرهای وابسته دیگر بستگی دارد. به عنوان مثال، از آن برای ساخت مدلهای پیشبینی برای پیشبینی تقاضای برق در زمستان با توجه به منابع مختلف انرژی مورد استفاده برای تولید برق استفاده میشود.
برخلاف روش معمول داشتن یک آماردان آموزش دیده در تجزیه و تحلیل سری های زمانی یا پیش بینی برای انتخاب الگوریتم مناسب برای خروجی مورد نظر، پیش بینی سری زمانی چند متغیره AutoML به طور خودکار داده ها را برای انتخاب بهترین الگوریتم برای مدل ML پیش پردازش می کند و شرکت گفت که به طور خودکار مدل را تنظیم می کند.
آگاروال گفت: «خط لوله پیشبینی خودکار HeatWave AutoML از یک تکنیک ثبت اختراع استفاده میکند که شامل مراحلی از جمله پیشپردازش سریهای زمانی پیشرفته، انتخاب الگوریتم و تنظیم فراپارامتر است. وقت و تلاش، زیرا آنها نیازی به داشتن آماردانان آموزش دیده در کارکنان ندارند.
به گفته هولگر مولر، تحلیلگر اصلی Constellation Research، ویژگی پیشبینی سریهای زمانی چند متغیره، منحصربهفرد برای MySQL HeatWave اوراکل است.
«پیشبینی سریهای زمانی، چند متغیره یا موارد دیگر، در حال حاضر به عنوان بخشی از یک پایگاه داده واحد ارائه نمیشود که تجزیه و تحلیلهای تقویتشده با یادگیری ماشین را ارائه میدهد. به عنوان مثال AWS یک پایگاه داده جداگانه برای سری های زمانی ارائه می دهد.
HeatWave تشخیص ناهنجاری را افزایش می دهد
اوراکل همراه با پیشبینی سریهای زمانی چند متغیره، تشخیص ناهنجاری «بدون نظارت» مبتنی بر یادگیری ماشینی را به MySQL HeatWave اضافه میکند.
بر خلاف روش استفاده از الگوریتمهای خاص برای تشخیص ناهنجاریهای خاص در دادهها، AutoML میتواند انواع مختلفی از ناهنجاریها را از مجموعه دادههای بدون برچسب تشخیص دهد، و افزود که این ویژگی به کاربران سازمانی کمک میکند زمانی که نمیدانند چه ناهنجاری وجود دارد. انواع در مجموعه داده وجود دارد.
“مدل تولید شده توسط HeatWave AutoML دقت بالایی را برای انواع ناهنجاری ها – محلی، خوشه ای، و جهانی ارائه می دهد. آگاروال گفت: این فرآیند کاملاً خودکار است و نیازی به تحلیلگران داده برای تعیین دستی الگوریتم مورد استفاده، ویژگیهای انتخابی و مقادیر بهینه فراپارامترها را از بین میبرد.
علاوه بر این، AutoML موتور توصیهای را اضافه کرده است که آن را سیستمهای توصیهکننده مینامد که زیربنای اتوماسیون انتخاب الگوریتم، انتخاب ویژگی و بهینهسازی هایپرپارامتر در MySQL HeatWave است.
“با MySQL HeatWave، کاربران می توانند رویه ML_TRAIN را فراخوانی کنند، که به طور خودکار مدلی را آموزش می دهد که سپس در MODEL_CATALOG ذخیره می شود. برای پیشبینی یک توصیه، کاربران میتوانند ML_PREDICT_ROW یا ML_PREDICT_TABLE را فراخوانی کنند.
کاربران تجاری کنسول MySQL HeatWave AutoML را دریافت می کنند
علاوه بر این، اوراکل در حال افزودن یک کنسول تعاملی برای کاربران تجاری در داخل HeatWave است.
آگاروال گفت: “کنسول تعاملی جدید به تحلیلگران تجاری اجازه می دهد تا مدل های ML را با استفاده از رابط بصری بسازند، آموزش دهند، اجرا کنند و توضیح دهند – بدون استفاده از دستورات SQL یا هر گونه کدگذاری.” سناریوهای مشروط برای شرکت آنها.
«افزودن کنسول تعاملی در راستای تلاش شرکتها برای پاسخگویی به یادگیری ماشینی است. تونی بائر، تحلیلگر اصلی dbInsight گفت: این کنسول به کاربران تجاری کمک می کند تا در انتهای عمیق تر استخر فرو بروند زیرا می خواهند به “دانشمندان داده شهروندی” تبدیل شوند تا از وارد شدن به آب گرم بیش از حد جلوگیری کنند.
این کنسول ابتدا برای MySQL HeatWave در AWS در دسترس قرار گرفت.
Oracle همچنین گفت که برای کاهش هزینه و همچنین بهبود در دسترس بودن سرویس، پشتیبانی از فضای ذخیره سازی را در Amazon S3 برای HeatWave در AWS اضافه می کند.
“هنگامی که داده ها از MySQL (موتور ذخیره سازی InnoDB) در HeatWave بارگیری می شوند، یک کپی در لایه مدیریت داده های بزرگ ساخته شده در S3 ساخته می شود. هنگامی که عملیاتی نیاز به بارگذاری مجدد داده ها در HeatWave دارد، مانند هنگام بازیابی خطا، داده ها می توانند به صورت موازی توسط چندین گره HeatWave دسترسی داشته باشند و داده ها را می توان مستقیماً بدون نیاز به هیچ تغییری در HeatWave بارگذاری کرد.
به روز رسانی MySQL Autopilot
ویژگیهای جدید اضافهشده به MySQL HeatWave شامل دو افزوده جدید به MySQL Autopilot است — ادغام مشاور پیشبینی شکل خودکار با کنسول تعاملی و تخلیه خودکار.
“در کنسول تعاملی، کاربران پایگاه داده اکنون می توانند به مشاور پیش بینی شکل خودکار MySQL Autopilot دسترسی داشته باشند که به طور مداوم بر حجم کاری OLTP نظارت می کند تا با توضیح شکل محاسباتی مناسب را در هر زمان معین توصیه کند – به مشتریان اجازه می دهد همیشه بهترین قیمت را دریافت کنند. عملکرد،” آگاروال گفت.
به گفته این شرکت، ویژگی تخلیه خودکار میتواند بر اساس سابقه بار کاری، جداول را توصیه کند.
آگاروال گفت: «آزاد کردن حافظه، اندازه خوشه مورد نیاز برای اجرای یک حجم کار را کاهش میدهد و در هزینه صرفهجویی میکند،» و افزود که هر دو ویژگی در دسترس هستند.
HeatWave حجم داده های کمتری را هدف قرار می دهد
Oracle شکل کوچکتری HeatWave را برای جذب مشتریان با دادههای کوچکتر ارائه میکند.
بر خلاف اندازه قبلی ۵۱۲ گیگابایت برای یک گره HeatWave استاندارد، شکل کوچکتر دارای اندازه ۳۲ گیگابایت با قابلیت پردازش تا ۵۰ گیگابایت با قیمت ۱۶ دلار در ماه است.
علاوه بر این، این شرکت گفت که قابلیت پردازش داده ها برای گره HeatWave استاندارد ۵۱۲ گیگابایتی خود از ۸۰۰ گیگابایت به ۱ ترابایت افزایش یافته است.
آگاروال گفت: “با این افزایش و سایر بهبودهای عملکرد جستجو، مزیت عملکرد قیمت HeatWave تا ۱۵٪ افزایش یافته است.”
پست های مرتبط
Oracle ویژگی های یادگیری ماشینی را به MySQL HeatWave اضافه می کند
Oracle ویژگی های یادگیری ماشینی را به MySQL HeatWave اضافه می کند
Oracle ویژگی های یادگیری ماشینی را به MySQL HeatWave اضافه می کند